溫度採樣 vs 截斷技巧
Temperature Sampling vs Truncation Trick
溫度採樣 側重 透過調整溫度參數，控制語言模型生成文本的隨機程度和多樣性。溫度越低生成越確定，溫度越高生成越隨機。，而 截斷技巧 側重 截斷技巧是一種在生成式模型中，透過限制潛在向量採樣範圍來提升生成品質的策略，主要用多樣性來換取更高的影像或資料保真度。。
逐項比較
| 項目 | 溫度採樣 | 截斷技巧 |
|---|---|---|
| 一句定義 | 透過調整溫度參數，控制語言模型生成文本的隨機程度和多樣性。溫度越低生成越確定，溫度越高生成越隨機。 | 截斷技巧是一種在生成式模型中，透過限制潛在向量採樣範圍來提升生成品質的策略，主要用多樣性來換取更高的影像或資料保真度。 |
| 常見標籤 | 大型語言模型、生成式AI、Prompt工程、AI基礎 | 生成式AI、電腦視覺、模型評估、source:ipas |
| iPAS 關聯度 | 未知 | 未知 |
| 考生最常問 | 溫度值 0 和溫度值 0.1 有什麼區別？ | 為什麼要在生成模型中使用截斷技巧？ |